Guide · 5 mai 2026
Directeurs financiers, informatiques et techniques : perspectives sur l’IA et la gouvernance des données
Introduction
Pourquoi les responsables financiers et technologiques doivent adopter une gouvernance commune des données s’ils souhaitent déployer l’IA à grande échelle. À l’heure actuelle, les organisations de toute taille intensifient leurs investissements dans l’intelligence artificielle (IA) tout en accélérant son adoption. Pour la plupart d’entre elles, l’IA fait déjà partie des processus de prévision, de planification et de reporting de leurs services financiers et technologiques, influençant ainsi les décisions quotidiennes.
Aujourd’hui, cette responsabilité se partage de plus en plus entre le directeur financier (CFO), le directeur informatique (CIO) et le directeur technique (CTO). Pour quelle raison ? Tout simplement parce que la gouvernance est un exercice de conformité, tandis que les données servent à déterminer la fiabilité de l’IA. Pour mieux comprendre l’état des données en entreprise, OneStream a mené une étude auprès de plus de 350 cadres supérieurs aux États-Unis, au Royaume-Uni et en France. Cet e-book présente ses conclusions.
La gouvernance repose sur la direction, pas sur la technologie
Une gouvernance des données solide repose sur l’alignement des services financiers et informatiques en matière de propriété des données, de définitions et de mise en application.
La plupart des organisations s’accordent déjà sur l’importance de la collaboration entre les services financiers et informatiques. C’est toutefois au niveau de la pratique que les choses se compliquent. Si les financiers raisonnent en termes de performance économique et d’impact mesurable, l’univers des développeurs tourne lui autour de systèmes, de traçabilité et de contrôle des données. En l’absence d’un modèle opérationnel capable de réunir ces deux perspectives, les efforts de gouvernance n’auront aucune chance d’aboutir. En outre, l’adoption d’un tel modèle permettrait d’éclaircir la question de la responsabilité des données et de ses résultats.
Les organisations performantes sont celles qui alignent la finance et la technologie autour d’une gouvernance partagée, capable de :
- Relier les performances économiques aux contrôles techniques
- Définir précisément les responsabilités de chacun
- Intégrer des normes directement dans les plateformes de données et les flux de travail de l’IA
Les bonnes pratiques d’alignement
- 5,5x
Les organisations pleinement alignées entre les services financier et informatique sont 5,5 fois plus susceptibles de déclarer une confiance totale dans leurs données que celles qui ne le sont pas.
Directeur financier (CFO)
Il définit et approuve les performances économiques, telles que les indicateurs clés de performance (KPI), les hiérarchies, les seuils de matérialité ainsi que l’exploitabilité des données par l’IA. Le CFO est également responsable de l’impact des données financières sur les décisions.
Directeur informatique (CIO)
Il met en œuvre un modèle de gouvernance pour la gestion des outils, la traçabilité, les niveaux d’accès et les politiques qui garantissent la fiabilité des données lorsqu’elles circulent dans l’entreprise.
Directeur technique (CTO)
Il intègre les exigences de gouvernance dans les pipelines de données et les systèmes basés sur l’IA pour garantir leur conformité, et ce dès leur conception.
L’état des données confrontée à la réalité de l’entreprise
Bien que les responsables fassent confiance à leurs données, la gouvernance n’est quant à elle pas encore au rendez-vous.
Les responsables ont derrière eux des années d’investissement dans les plateformes, l’intégration et la modernisation. Cette expérience leur donne une confiance totale envers la crédibilité et la fiabilité de leurs données. Pourtant, ce n’est pas toujours le cas.
Le problème principal ? La cohérence. Même s’il existe souvent un cadre de gouvernance, celui-ci manque de prévisibilité. De plus, les définitions varient selon les équipes. La propriété des données est implicite, et non documentée. Le contexte s’érode dès lors que les données sont utilisées dans les analyses et les modèles d’IA. Tous ces problèmes combinés expliquent cette absence de cohérence, pourtant essentielle. Même si de nombreux responsables déclarent avoir établi des programmes de gouvernance, rares sont ceux disposant d’un cadre formel, appliqué systématiquement aux workflows de l’IA.
Par conséquent, ces difficultés se traduisent par un écart grandissant entre réalité et théorie. Se contenter d’un alignement informel suffisait lorsque le nombre d’analyses restait limité. Malheureusement, cet état de fait est incompatible avec l’IA.
Les bonnes pratiques d’alignement
| Affirmation | Part des cadres supérieurs |
|---|---|
| Pensent que leur gouvernance des données peut soutenir une adoption de l’IA à grande échelle | 79% |
| Vérifient leurs données au moins une fois par mois | 61% |
Directeur financier (CFO)
Il établit les définitions financières qui font autorité (KPI, hiérarchies et règles de clôture, par ex.) et approuve les données qualifiées d’« exploitables » pour l’IA.
Directeur informatique (CIO)
Il met en application ces normes par la gestion des outils, le catalogage des données et la traçabilité. Il garantit également que chaque donnée critique est liée à un responsable et à une source.
Directeur technique (CTO)
Il applique la gouvernance au niveau de l’IA et garantit que les modèles et les analyses accèdent exclusivement à des ensembles de données régis et étiquetés.
Le coût financier et opérationnel des mauvaises données
L’IA étant de plus en plus intégrée aux processus financiers et opérationnels fondamentaux, les entreprises prennent davantage conscience de l’importance de la qualité des données.
Dès lors que l’IA est intégrée dans les workflows financiers, les problèmes liés aux données émergent plus rapidement, bien souvent avec de forts enjeux à la clé. Les erreurs autrefois identifiées manuellement se répercutent désormais dans les prévisions, les processus de clôture et les cycles décisionnels.
En l’absence d’une gouvernance formelle, les équipes doivent se contenter de corriger les résultats au lieu de les anticiper. À mesure que l’IA s’intègre aux processus financiers et opérationnels des entreprises, ce modèle passif ralentit non seulement la prise de décision mais augmente également les risques liés à la finance, à la conformité et au reporting, et ce à grande échelle. Or, cette approche est contraire aux attentes des conseils d’administration, qui exigent d’obtenir un retour sur investissement mesurable.
Les bonnes pratiques d’alignement
près de 3 cadres supérieurs sur 4
| Constat | Part des cadres supérieurs |
|---|---|
| Déclarent qu’un incident majeur lié à de mauvaises données a coûté au moins 500 000 $ à leur organisation | 72% |
| Déclarent des pertes dépassant 1 million de dollars | 37% |
Directeur financier (CFO)
Il définit ce qui constitue une erreur de données majeure et impose un reporting régulier sur l’impact de ces erreurs dans les domaines de la finance et de la conformité.
Directeur informatique (CIO)
Il met en œuvre le suivi de la qualité des données à l’échelle de l’entreprise. Les responsabilités, les chemins de remédiation et les attentes sont ainsi clairement définis.
Directeur technique (CTO)
Il s’assure que les systèmes d’IA valident les données d’entrée et enregistre les résultats afin de détecter les erreurs, de les isoler et d’y remédier en amont.
Le paradoxe de l’IA : plus d’outils, mais aussi plus de risques
À l’heure actuelle, on attend des organisations qu’elles accélèrent leur adoption de l’IA. Cette pression les pousse donc à intégrer de nouveaux outils au sein de leurs systèmes, sans pour autant établir de cadre de gouvernance solide.
Les possibilités offertes par l’IA suscitent l’enthousiasme, et avec raison. Pourtant, multiplier l’adoption d’outils peut engendrer des risques de sécurité. Le paradoxe est simple : développer une suite d’outils sans aucun cadre amplifiera les faiblesses déjà existantes. Si une organisation conserve les mêmes processus, qu’elle ait 6 ou 10 outils à sa disposition ne fera aucune différence.
La multiplication des solutions aura même l’effet inverse, puisqu’elle favorisera les risques plutôt que les opportunités. Chaque outil introduit de nouveaux chemins de données, de nouvelles hypothèses et de nouveaux points de défaillance. Si la gouvernance n’est pas appliquée à la couche même des données, l’adoption de l’IA perd donc tout son sens.
Les bonnes pratiques d’alignement
- 4x
Les cadres supérieurs ayant pris des décisions fondées sur de mauvaises données sont quatre fois plus susceptibles d’avoir au moins dix outils d’IA à leur disposition que leurs pairs.
| Préoccupation | Part déclarant cette préoccupation |
|---|---|
| Se disent préoccupés par les risques liés à l’IA | 95% |
| Citent les décisions erronées comme préoccupation majeure | 37% |
| Citent les inexactitudes dans les rapports financiers comme préoccupation majeure | 20% |
Directeur financier (CFO)
Il instaure des vérifications formelles à chaque étape de l’implémentation de l’IA afin de confirmer la propriété des données, les définitions et les responsabilités de chacun, et ce avant même le déploiement des outils.
Directeur informatique (CIO)
Il standardise un catalogue de données réglementées et exige que les projets d’IA reposent exclusivement sur des ressources approuvées et documentées.
Directeur technique (CTO)
Il crée des barrières de sécurité techniques (comme des listes d’autorisation d’outils et des contrôles d’accès) pour éviter que les systèmes d’IA ne se connectent à des sources de données non réglementées.
Une surexposition des jeunes cadres supérieurs aux risques posés par l’IA
La nouvelle génération de responsables financiers et technologiques adopte rapidement l’IA, mais souvent au détriment des cadres de gouvernance essentiels à sa sécurité.
La prochaine génération de responsables maîtrise l’IA et souhaite accélérer son implémentation. Et c’est une bonne chose. Toutefois, des risques émergent lorsque la vitesse prend le pas sur la sécurité. Une telle approche a des conséquences concrètes : pertes financières, risques de non-conformité et baisse de confiance envers les résultats fournis par l’IA, entre autres. Si un cadre de qualité, de propriété et de responsabilité des données n’est pas clairement défini, les décisions basées sur l’IA peuvent entraîner des risques financiers et de non-conformité difficiles à résoudre.
Les bonnes pratiques d’alignement
| Groupe d’âge | Part ayant pris une décision fondée sur de mauvaises données |
|---|---|
| 25–44 | 51% |
| 45 ans et plus | 39% |
Directeur financier (CFO)
Il établit des limites claires concernant les décisions prises grâce aux processus financiers assistés par l’IA, notamment en matière de seuils d’approbation et de responsabilité.
Directeur informatique (CIO)
Il standardise les accès et flux de travail pour permettre aux équipes d’agir sans contourner les contrôles de gouvernance.
Directeur technique (CTO)
Il intègre directement la gouvernance, l’explicabilité et l’auditabilité dans les outils d’IA et les expériences utilisateur.
Conclusion
Il appartient à la finance de définir les bonnes pratiques. Interviennent ensuite les équipes informatiques pour intégrer ces normes aux pipelines de données et aux workflows de l’IA. Dans ce cadre, les règles de gouvernance ne sont plus un obstacle mais bien un accélérateur d’innovation.
Le constat est clair : les organisations priorisant la gouvernance ne freinent pas l’adoption de l’IA. Au contraire, la technologie est placée au service de la finance et évolue dans un contexte ainsi qu’une responsabilité clairement définis. Si l’IA est encadrée et valorisée, elle permet d’accélérer les décisions et de fournir des résultats mesurables à grande échelle.
Vous souhaitez prendre une longueur d’avance ?
Soyez parmi les premiers à accéder à la toute dernière étude CFO sur l’adoption de l’IA, le retour sur investissement et les freins à la réussite à grande échelle.
En savoir plus → Consultez la Finance AI Academy.FAQ
Questions fréquentes
Pourquoi la gouvernance des données liées à l’IA est-elle un enjeu de direction plutôt qu’un problème technologique ?
Une gouvernance des données solide repose sur l’alignement des services financiers et informatiques en matière de propriété des données, de définitions et de mise en application — pas uniquement sur les outils. Les organisations qui alignent pleinement la finance et l’informatique ont 5,5 fois plus de chances d’obtenir une confiance totale dans leurs données que celles qui ne le font pas.
Quel est l’écart entre la confiance dans les données et la gouvernance formelle ?
Près de quatre cadres supérieurs sur cinq (79 %) pensent que la gouvernance de leurs données peut soutenir une adoption de l’IA à grande échelle, mais presque les deux tiers (61 %) reconnaissent vérifier leurs données au moins une fois par mois — signe que l’alignement informel n’a pas suivi le rythme de l’IA.
Que coûtent réellement les mauvaises données aux organisations ?
Près de trois cadres supérieurs sur quatre (72 %) déclarent qu’un incident majeur lié à de mauvaises données a coûté au moins 500 000 dollars à leur organisation, et 37 % annoncent des pertes dépassant un million de dollars.
La multiplication des outils d’IA augmente-t-elle les risques ?
Oui, en l’absence de gouvernance. Les cadres supérieurs ayant pris des décisions fondées sur de mauvaises données sont quatre fois plus susceptibles d’avoir au moins dix outils d’IA à leur disposition, et 95 % d’entre eux se disent préoccupés par les risques liés à l’IA, notamment les décisions erronées (37 %) et les inexactitudes dans les rapports financiers (20 %).
Les jeunes responsables financiers et technologiques sont-ils plus exposés aux risques liés à l’IA ?
Oui. Plus de la moitié (51 %) des cadres supérieurs âgés de 25 à 44 ans déclarent avoir basé une décision importante sur de mauvaises données, contre 39 % des cadres âgés de 45 ans et plus.
